富氢纳米增强型废弃塑料热解油混合物：在双燃料柴油发动机中的燃烧特性、排放情况以及基于机器学习的优化策略

《Biomass and Bioenergy》：Hydrogen-enriched nano-enhanced waste plastic pyrolysis oil blends: Combustion, emission, and machine learning-based optimization in a dual-fuel diesel engine

本研究探究了氢气富集的三元燃料（柴油/废塑料裂解油/二乙醚）中添加Al?O?纳米颗粒的燃烧特性与排放表现。实验表明，纳米颗粒使满负荷制动热效率提升11.5%，CO和HC排放分别降低49%和29%，但NOx排放增加，需平衡效率与污染。基于监督机器学习的多目标优化模型（如ET、GB）预测误差小于±3.1%，支持高效低排放发动机设计。

　　

崔振振|程晓亮|魏杰|杨晓伟

江苏省新能源汽车节能与电池安全工程研究中心，无锡工业大学，江苏省无锡市，214121，中国

摘要

本研究探讨了使用纳米增强型三元燃料混合物（柴油/废弃塑料热解油/乙醚）运行的氢富集双燃料发动机的燃烧、性能和排放特性。实验在固定发动机转速1500 rpm下进行，负载范围从20%变化到100%，氢气流量保持恒定为3 LPM，Al₂O₃纳米粒子浓度从25 ppm变化到100 ppm。与基线混合物（柴油 + H₂）相比，纳米增强型混合物显示出更好的燃烧和热效率。在全负载运行条件下，P20DEE5NP100+H₂混合物的制动热效率（BTE）提高了11.5%，而一氧化碳（CO）和碳氢化合物（HC）的排放分别减少了49%和29%。然而，燃烧强度的增加导致NOx排放增加，表明效率与NOx生成之间存在权衡。燃烧分析显示，纳米粒子分散作用使得气缸压力峰值提高了5%，热量释放速率加快，这表明点火延迟减少，预混合燃烧得到改善。为了支持实验，开发了五种不同的监督机器学习（ML）模型用于多输出预测。Extra Tree（ET）和Gradient Boosting（GB）模型的预测能力较强，其标准化性能得分分别为1.00和0.96。基于偏好度的多目标优化确定了最佳运行条件，即负载为62.45%，纳米粒子分散浓度为100 ppm，综合偏好度为0.651，预测误差在±3.1%范围内。这些发现展示了整合废弃塑料燃料、氢富集和数据驱动建模以实现可持续发动机运行的潜力。

引言

全球能源需求的增加、燃料成本的上升以及严格的排放法规推动了向更可持续、低排放能源的转变。传统石油衍生燃料在交通运输中广泛使用，但与高温室气体（GHG）排放、空气污染和长期环境破坏相关。由于柴油和其他化石燃料的燃烧，会释放大量CO₂、NO_x、CO和未燃烧的碳氢化合物（HC）。这加速了气候变化并降低了空气质量[[1], [2], [3]]。这些问题凸显了可再生燃料选项和其他先进燃烧技术的重要性，以确保能源安全的同时解决环境问题。

废弃塑料热解油作为一种潜在的替代燃料也日益受到关注。将不可回收塑料转化为液态碳氢化合物可以解决塑料废物危机[[4], [5], [6]]。然而，热解油直接用于压缩点火（CI）发动机时，其高芳香烃含量、较差的点火质量和高粘度可能会受到影响[7,8]。研究表明，将热解油与高挥发性含氧化合物和柴油混合可以提高雾化效果、点火性能和整体燃烧稳定性[5,9]。此外，纳米粒子的存在增强了热传导性，并提供了促进燃料完全氧化的催化表面，从而减少了有害排放[10,11]。

氢作为一种无碳能源载体，为CI发动机中的双燃料运行提供了潜在选择[12]。其高火焰速度和宽的可燃范围有助于更快地燃烧并减少点火延迟，而不含碳的特性则减少了烟尘和CO₂排放[13,14]。氢与纳米富集的含氧化合物柴油混合物结合使用时，可以提高热量释放速率，降低CO和HC排放，并提升热效率。这项混合技术整合了塑料废物的价值利用、可再生能源的使用和先进的燃烧技术，对未来的可持续交通应用具有重要意义[15,16]。预测建模对于分析和优化多燃料系统至关重要，实验分析同样不可或缺。传统方法往往无法考虑负载、混合物组成、纳米粒子效应和氢替代的非线性相互作用。因此，监督机器学习（ML）模型提供了可靠的预测准确性和泛化能力[17,18]。这些模型不仅减少了实验工作量，还实现了性能和排放权衡的多目标优化。

大量研究将废弃塑料油（WPO）作为CI发动机的替代燃料进行了探讨。最近的研究逐步整合了燃料改性技术（如含氧化合物、氢富集和纳米粒子分散），以及统计和ML技术的应用，以提高燃烧控制和预测准确性。初步实验研究表明废弃塑料驱动的油在CI发动机中的可行性，但在高混合比例下存在排放缺点。Geo等人[19]指出，WPO50D50混合物相比纯柴油提高了BTE；然而，在全负载条件下，CO和HC排放分别增加了50%和16%，这是由于氧化不完全和燃料挥发性低所致。Hunicz等人[20]表明，当注射时间和EGR速率优化时，将聚丙烯和聚苯乙烯热解油以20-60%的比例混合使用，可实现累计排放量减少高达81%。他们的发现强调了燃烧相位和空气-燃料调节对高挥发性热解燃料的重要性。

为了减轻排放问题，许多研究探讨了含氧化合物添加剂和十六烷值改进剂。Padmanabhan等人[21]表明，P20E15混合物相比基线柴油降低了4.2-6.8%的CO排放、6-13.4%的HC排放和约24%的烟雾排放。Selvam等人[22]观察到，在WPO-柴油混合物中加入乙醚作为含氧化合物添加剂和十六烷值改进剂后，燃烧速率增加，排放强度降低。Das等人[23]将100 ppm的纳米石墨烯分散在20%的蒸馏塑料油中，观察到能量效率提高了5.78%，净能量效率提高了10.9%，而比油耗（BSFC）降低了14.7%。此外，基于RSM的多目标优化获得了0.974的偏好度指数，表明统计稳健性很强。氢动力双燃料方法被研究用于增强氧化动力学和减少烟尘生成。Bai等人[24]研究了由小麦胚芽油和氢驱动的双燃料发动机，报告称氢能量占比为15%时烟雾排放减少了15%；然而，由于气缸温度升高，NOx排放增加了约33%。这些发现强调了氢富集燃烧系统中典型的烟尘-NOx权衡问题。

除了实验优化外，预测建模方法也取得了显著进展。Josephin等人[25]应用ANN和前馈反向传播预测了发动机响应，如BTE、BSFC、NOx、HC和烟雾。Kumar等人[26]研究了CeO₂纳米粒子和I-丁醇在WPO-柴油混合物中的效果，并将ML模型的R²值与传统的统计优化进行了比较，后者表现较差。最佳注射压力为220 bar，使气缸压力提高了5.32%，热量释放速率（HRR）提高了5.11%，BTE提高了35.6%，同时降低了CO、HC和烟雾的排放。Das等人[27]将乙醇、纳米石墨烯和WPO油结合使用，并以生物气体作为双燃料模式下的燃料，进行了环境成本分析。他们确定WPO20E20混合物是最优选择，环境成本为2.73 × 10^?4 kg/kJ，具有可行的回报特性。表1总结了近期研究，重点关注WPO利用、氢补充、纳米添加剂增强和基于ML的柴油发动机优化。

尽管取得了这些进展，但文献中的研究方法仍存在碎片化现象。研究通常集中在（i）WPO混合方法、（ii）氢双燃料运行、（iii）纳米添加剂燃烧增强以及（iv）基于ML的预测和优化上。一个系统集成的框架，结合WPO、氢富集、纳米粒子辅助燃烧以及在统一实验条件下的统计与ML优化的比较评估仍然有限。

为了填补这一空白，本研究系统地研究了氢富集和Al₂O₃纳米粒子对WPO/柴油/DEE双燃料发动机中BTE、气缸内压力、热量释放率和排放控制的协同效应。此外，还开发了集成ML模型（RF、GB、ET、XGBoost和AdaBoost）进行精确的性能-排放预测，并采用基于RSM的多响应优化来确定最佳运行条件。这一综合实验-计算框架利用废弃塑料燃料实现了可持续和高效率的CI发动机运行。

材料与方法

本研究使用了从废弃塑料中获得的熱解油、乙醚（DEE）、柴油、氢气和Al₂O₃纳米粒子。热解油（P）通过催化热解提取后过滤去除杂质再进行混合。DEE作为含氧化合物添加剂用于改善点火质量和挥发性。气体氢气作为双燃料运行的辅助燃料。Al₂O₃纳米粒子被分散到混合物中以改善燃烧性能。

制动热效率（BTE）

BTE衡量了燃料化学能转化为曲轴机械能的有效性。图4显示，所有混合物的BTE都随着发动机负载的增加而提高。这种提升主要是由于在高负载下燃烧稳定性提高和热损失减少[30]。在20%的负载条件下，所有测试混合物的BTE在12.26%到13.51%之间。柴油 + H₂混合物的效率最低，为12.26%，而P20DEE5NP100+ H₂混合物

数据分析

相关性分析提供了控制变量与发动机响应之间相互作用的见解，如图11所示。发动机负载与BTE（0.96）、EGT（0.84）和NO_x排放（0.88）呈正相关，表明更高负载提高了燃烧效率和能量释放。尽管如此，它也提高了气缸温度，从而导致NO_x的形成。纳米粒子对EGT（0.47）和NO_x（0.46）有积极影响

结论

本研究评估了氢富集和Al₂O₃纳米粒子在三元燃料混合物中的协同效应，以及基于ML的预测建模和多目标优化。实验结果表明，与柴油 + H₂运行相比，纳米增强型氢辅助混合物显著提高了发动机性能。在全负载条件下，P20DEE5NP100+H₂混合物的BTE峰值达到了33.48%，比前者高出约11.5%

局限性与未来展望

尽管结果令人鼓舞，但仍存在一些局限性。实验是在固定氢气流量（3 LPM）下进行的，未探讨可变氢富集水平的影响。纳米粒子的详细物理化学表征以及长期耐久性和爆震极限分析也未进行。

未来的研究应重点关注可变氢流量的优化和废气再循环（EGT）策略的整合，以减少NO_x排放。

CRediT作者贡献声明

崔振振：撰写 – 原始草案、软件、方法论、数据管理、概念化。程晓亮：监督、项目管理、资金获取、正式分析、数据管理。魏杰：撰写 – 审稿与编辑、可视化、软件资源、项目管理、资金获取。杨晓伟：撰写 – 审稿与编辑、验证、监督、方法论。

致谢

本工作部分由江苏省产学研合作项目（BY20240242）资助。